CTNet:西工大、哈工大、中南大学和台湾清华大学一种交叉 Transformer 的图像去噪方法...

本文主要是介绍CTNet:西工大、哈工大、中南大学和台湾清华大学一种交叉 Transformer 的图像去噪方法...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

关注公众号,发现CV技术之美

99d0bc8795efcd591b60e4db9941ffd7.png

  • 作者:田春伟,郑梦华,左旺孟,张师超,张艳宁,林嘉文

  • 单位:西北工业大学、空天地海一体化大数据应用技术国家工程实验室、哈尔滨工业大学、中南大学、台湾国立清华大学

  • 论文题目:A cross Transformer for image denoising

  • 论文链接:https://arxiv.org/abs/2310.10408

  • 项目链接:https://github.com/hellloxiaotian/CTNet

摘要

深度卷积神经网络 (Convolutional Neural Networks, CNNs) 依赖前向传播和反向传播获得显著的图像去噪性能。但如何通过 CNNs 获取有效的结构信息解决复杂场景的图像去噪问题是关键。作者们提出了一种交叉 Transformer 去噪卷积神经网络 (Cross Transformer denoising CNN, CTNet)用于获得复杂场景下清晰图像。

本方法包括三部分来抑制噪声:串行块、并行块和残差块 。串行块使用增强的残差架构深入搜索图像的结构信息以提高图像去噪性能。并行块使用三个异构网络来实现多层特征的多重交互来防止关键信息的丢失和增强去噪模型对复杂场景的适应性。通过交互Transformer以深度和广度搜索方式增强像素特征之间关系,提高图像去噪效果。最后使用残差块来重建图像。

实验结果表明提出的 CTNet 在定性分析和定量分析上已经获得好的去噪性能,并且适用于移动数字设备。相关代码能在https://github.com/hellloxiaotian/CTNet处被获取。

主要贡献:

  1. 采用深度和广度搜索以串并行方式来获得更多的结构信息,提高图像去噪性能。

  2. 利用三个并行异构网络实现多层特征交互,增强不同网络间的关系,以提高针去噪网络对复杂场景的适应性。

  3. 交叉 Transformer 技术可以根据像素关系提取显著性特征,从而优化去噪效果。

方法

网络结构如图1所示:

35b56e7754240362f97083063a386c02.png
图1. 交叉Transformer网络结构图

实验

本文提出的方法在Set12,BSD68,Urban100,CBSD68,Kodak24,McMaster,CC,SIDD和Mayo这九个基准数据上超过了很多流行的方法,如:DnCNN、ADNet和IPT等。更多的结构如表1到表8:

0eca02672633b24727faaf0791e4ceb1.png
表1 不同图像去噪方法在BSD68数据集上对于三种不同噪声等级(15、25和50)的PSNR结果
c7b67fb4c810b49b5ec7ee8ebc89ae0d.png
表2 不同图像去噪方法在Set12数据集上对于三种不同噪声等级(15、25和50)的PSNR结果
e825e02bfd75ae2a960adcd9744cea07.png
表3 不同图像去噪方法在Urban100数据集上对于三种不同等级噪声等级(15、25、50)的PSNR结果
654c4047d3977c8501fe549a1515635b.png
表4 不同图像去噪方法在CBSD68数据集上对于五种不同等级噪声等级(15、25、35、50和75)的PSNR结果
3113777689756c3d3393181451d2f2b2.png
表5 不同图像去噪方法在Kodak24数据集上对于五种不同噪声等级(15、25、35、50和75)的PSNR结果
a168e5020ca49825e5bea8cfe2b0f708.png
表6 不同图像去噪方法在McMaster数据集上对于五种不同噪声等级(15、25、35、50和75)的PSNR结果
e24190410b0a908aa7cacae58b28e9d6.png
表7 不同图像去噪方法在CC数据集上对于真实噪声的PSNR结果
ba0acf163dff53d6c1cdf3d112306d18.png
表8 不同图像去噪方法在SIDD和Mayo数据集上对于智能手机图像和CT图像的PSNR结果

此外,本文也制作了4组可视化结果来验证本文提出的方法的有效性,如图2-图5所示:

a1360988e93e10fb6da9add111f996b5.png
图2 不同图像去噪方法在BSD68灰度图像(噪声等级为50)上的去噪效果图。(a) 原图(b) 噪声图像 (c) ADNet/27.13dB (d) DnCNN/27.92dB (e) FFDNet/28.04dB (f) CTNet/28.16dB.
cca835c3ef6126bcf3dcca024c43c683.png
图3 不同图像去噪方法在Set12灰度图像(噪声等级为25)上的去噪效果图。(a) 原图 (b)噪声图像 (c) ADNet/32.68dB (d) DnCNN/32.44dB (e) FFDNet/32.68 dB (f) CTNet/32.87dB.
1907dde9ee227fddcad2b250a8fea743.png
图4 不同图像去噪方法在CBSD68彩色图像(噪声等级为35)上的去噪效果图。(a)原图 (b) 噪声图像 (c) ADNet/28.84dB (d) DnCNN/29.33dB (e) FFDNet/29.30 dB (f) CTNet/29.90 dB.
d680c214dd5f554fa88597cd69239758.png
图5 不同图像去噪方法在McMaster彩色图像(噪声等级为50)上的去噪效果图。(a)原图 (b) 噪声图像(c) ADNet/23.70 dB (d) DnCNN/24.07 dB (e) FFDNet/25.56 dB (f) CTNet/26.39 dB.

结论

在本文中,作者们提出了一种交叉Transformer去噪卷积神经网络(CTNet)来实现图像去噪。

本方法包括三部分来抑制噪声:串行块、并行块和残差块。串行模块通过深度搜索引导增强的残差架构来获得更准确的结构信息。避免关键信息的损失,并行模块根据广度搜索的思想设计了三个并行的异构网络,实现了特征之间的多重交互,提取了更丰富的细节信息。

此外,Transformer机制被嵌入到串行模块和并行模块中,以有效地提取互补的显著性信息来去除噪声。最后,使用残差块来重建清晰的图像。

根据大量的实验分析,所提出的方法非常适合复杂场景的图像去噪。它不仅适用于移动数字设备,而且对医疗成像设备也很有用。此外,作者们将在未来的工作中研究没有参照图像的图像去噪任务。

030e53267b0c68353825b75786fb66a2.jpeg

END

欢迎加入「图像去噪交流群👇备注:去噪

dac222e7ac534ff1447e4580dcd75149.png

这篇关于CTNet:西工大、哈工大、中南大学和台湾清华大学一种交叉 Transformer 的图像去噪方法...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/381629

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

最详细安装 PostgreSQL方法及常见问题解决

《最详细安装PostgreSQL方法及常见问题解决》:本文主要介绍最详细安装PostgreSQL方法及常见问题解决,介绍了在Windows系统上安装PostgreSQL及Linux系统上安装Po... 目录一、在 Windows 系统上安装 PostgreSQL1. 下载 PostgreSQL 安装包2.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Java中Switch Case多个条件处理方法举例

《Java中SwitchCase多个条件处理方法举例》Java中switch语句用于根据变量值执行不同代码块,适用于多个条件的处理,:本文主要介绍Java中SwitchCase多个条件处理的相... 目录前言基本语法处理多个条件示例1:合并相同代码的多个case示例2:通过字符串合并多个case进阶用法使用

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》:本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法,简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局,详细内容请阅读本文,希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的